人脸识别方法和装置制造方法及图纸

本公开提供了人脸识别方法和装置，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸图像处理、人脸图像识别等场景。具体实现方案为：在待识别视频帧序列中，提取视频帧进行人脸识别；响应于确定连续识别的第一预设数量个视频帧均无法识别人脸，将第一预设数量个视频帧中各视频帧对应的目标人脸特征进行合并，得到合并特征集合；将第一预设数量个视频帧中的各视频帧的人脸特征进行融合，得到融合特征；基于融合特征与合并特征集合中各人脸特征的相似度，得到待识别视频帧序列的人脸识别结果。该方式有效提高了人脸识别的效率和准确度。人脸识别的效率和准确度。人脸识别的效率和准确度。

【技术实现步骤摘要】
人脸识别方法和装置


[0001]本公开涉及人工智能
，具体为深度学习、计算机视觉
，可应用于人脸图像处理、人脸图像识别等场景，尤其涉及一种人脸识别方法和装置。

技术介绍

[0002]人脸识别技术已经取得了长足的发展和进步，随着视频监控、信息安全、访问控制等领域的发展需求，基于视频的人脸识别技术已经成为人脸识别
的重要研宄方向之一。
[0003]现有技术中，基于视频的人脸识别技术主要是：将视频中出现的人脸图片根据视频帧划分为一组静态的人脸图像序列，针对人脸序列中的每一张人脸图像与预设人脸库中的人脸图像做对比，从而识别所述视频中包含的人脸图像的人物身份。

技术实现思路

[0004]本公开实施例提供了一种人脸识别方法、装置、设备以及存储介质。
[0005]第一方面，本公开实施例提供了一种人脸识别方法，该方法包括：在待识别视频帧序列中，提取视频帧进行人脸识别；响应于确定连续识别的第一预设数量个视频帧均无法识别人脸，将第一预设数量个视频帧中各视频帧对应的目标人脸特征进行合并，得到合并特征集合，其中，目标人脸特征用于指示在预设的人脸特征库中，与该视频帧的人脸特征相似度最高的第二预设数量个人脸特征；将第一预设数量个视频帧中的各视频帧的人脸特征进行融合，得到融合特征；基于融合特征与合并特征集合中各人脸特征的相似度，得到待识别视频帧序列的人脸识别结果。
[0006]第二方面，本公开实施例提供了一种人脸识别装置，该装置包括：识别模块，被配置成在待识别视频帧序列中，提取视频帧进行人脸识别；合并模块，被配置成响应于确定连续识别的第一预设数量个视频帧均无法识别人脸，将第一预设数量个视频帧中各视频帧对应的目标人脸特征进行合并，得到合并特征集合，其中，目标人脸特征用于指示在预设的人脸特征库中，与该视频帧的人脸特征相似度最高的第二预设数量个人脸特征；融合模块，被配置成将第一预设数量个视频帧中的各视频帧的人脸特征进行融合，得到融合特征；获得模块，被配置成基于融合特征与合并特征集合中各人脸特征的相似度，得到待识别视频帧序列的人脸识别结果。
[0007]第三方面，本公开实施例提供了一种电子设备，该电子设备包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被该一个或多个处理器执行，使得一个或多个处理器实现如第一方面的任一实施例的人脸识别方法。
[0008]第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的任一实施例的人脸识别方法。
[0009]第五方面，本公开实施例提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面的任一实施例的人脸识别方法。
[0010]本公开有效提高了人脸识别的准确度和效率。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
[0012]图1是本公开可以应用于其中的示例性系统架构图；
[0013]图2是根据本公开的人脸识别方法的一个实施例的流程图；
[0014]图3是根据本公开的人脸识别方法的一个应用场景的示意图；
[0015]图4是根据本公开的人脸识别方法的又一个实施例的流程图；
[0016]图5是根据本公开的人脸识别装置的一个实施例的示意图；
[0017]图6是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0018]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0019]需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
[0020]图1示出了可以应用本公开的人脸识别方法的实施例的示例性系统架构100。
[0021]如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0022]用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如，人脸识别类应用、通信类应用等。
[0023]终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于手机和笔记本电脑。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供人脸识别服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
[0024]服务器105可以是提供各种服务的服务器，例如，在待识别视频帧序列中，提取视频帧进行人脸识别；响应于确定连续识别的第一预设数量个视频帧均无法识别人脸，将第一预设数量个视频帧中各视频帧对应的目标人脸特征进行合并，得到合并特征集合；将第一预设数量个视频帧中的各视频帧的人脸特征进行融合，得到融合特征；基于融合特征与合并特征集合中各人脸特征的相似度，得到待识别视频帧序列的人脸识别结果。
[0025]需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供人脸识别服务)，也可以实现成单个
软件或软件模块。在此不做具体限定。
[0026]需要指出的是，本公开的实施例所提供的人脸识别方法可以由服务器105执行，也可以由终端设备101、102、103执行，还可以由服务器105和终端设备101、102、103彼此配合执行。相应地，人脸识别装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器105中，也可以全部设置于终端设备101、102、103中，还可以分别设置于服务器105和终端设备101、102、103中。
[0027]应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
[0028]图2示出了人脸识别方法的实施例的流程示意图200。该人脸识别方法包括以下步骤：
[0029]步骤201，在待识别视频帧序列中，提取视频帧进行人脸识别。
[0030]在本实施例中，执行主体(例如，图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别方法，包括：在待识别视频帧序列中，提取视频帧进行人脸识别；响应于确定连续识别的第一预设数量个视频帧均无法识别人脸，将所述第一预设数量个视频帧中各视频帧对应的目标人脸特征进行合并，得到合并特征集合，其中，所述目标人脸特征用于指示在预设的人脸特征库中，与该视频帧的人脸特征相似度最高的第二预设数量个人脸特征；将所述第一预设数量个视频帧中的各视频帧的人脸特征进行融合，得到融合特征；基于所述融合特征与所述合并特征集合中各人脸特征的相似度，得到所述待识别视频帧序列的人脸识别结果。2.根据权利要求1所述的方法，其中，所述在待识别视频帧序列中，提取视频帧进行人脸识别，包括：在待识别视频帧序列中，提取视频帧子序列；确定所述视频帧子序列中各视频帧的模糊值，其中，所述模糊值用于指示视频帧的模糊程度；基于模糊值最低的视频帧进行人脸识别。3.根据权利要求2所述的方法，其中，所述确定所述视频帧子序列中各视频帧的模糊值，包括：基于预设的模糊值判断模型确定所述视频帧子序列中各视频帧的模糊值，所述模糊值判断模型基于标注有模糊值的样本视频帧训练得到。4.根据权利要求2所述的方法，其中，所述将所述第一预设数量个视频帧中的各视频帧的人脸特征进行融合，得到融合特征，包括：根据所述第一预设数量个视频帧中的各视频帧的人脸特征的权重，将所述第一预设数量个视频帧中的各视频帧的人脸特征进行融合，得到融合特征，其中，所述各视频帧的人脸特征的权重基于各视频帧的模糊值确定。5.根据权利要求1
‑
4任一所述的方法，其中，所述基于所述融合特征与所述合并特征集合中各人脸特征的相似度，得到待识别视频帧序列的人脸识别结果，包括：对所述融合特征与所述合并特征集合中各人脸特征的相似度进行排序，得到排序后的相似度；将所述排序后的相似度中排序最高且大于等于预设相似度阈值的相似度对应的人脸特征所对应的人脸标识，确定为所述待识别视频帧序列的人脸识别结果。6.一种人脸识别装置，包括：识别模块，被配置成在待识别视频帧序列中，提取视频帧进行人脸识别；合并模块，被配置成响应于确定连续识别的第一预设数量个视频帧均无法识别人脸，将所述第一预设数量个视频帧中各视频帧对应的目标人脸特征进行合并，得到合并特征集合，其中，所述目标人脸...

【专利技术属性】
技术研发人员：张婉平，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：